Анализ рынка заведений общественного питания Москвы¶

Цель исследования: Помочь инвесторам с выбором категории и места для открытия заведения общественного питания в городе Москва.

Задачи исследования

  • Проанализировать рынок общепита Москвы, найти особенности и закономерности.
  • Выбрать подходящую категорию и место для открытия нового заведения.
  • Проанализировать ценовые и другие критерии для нового заведения.

Источник данных - сервисы Яндекс Карты и Яндекс Бизнес.

Презентация: https://disk.yandex.ru/i/Gdg4tlBiHST6wQ

Знакомство с данными¶

Подключим необходимые для работы библиотека.

In [1]:
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import plotly.express as px
from plotly import graph_objects as go
from folium import Map, Choropleth, Marker
from folium.plugins import MarkerCluster
import json

Считаем данные из файла.

In [2]:
try:
    df = pd.read_csv('datasets/moscow_places.csv')
except:
    df = pd.read_csv('/datasets/moscow_places.csv')
In [3]:
df.sample(n=5, random_state=1)
Out[3]:
name category address district hours lat lng rating price avg_bill middle_avg_bill middle_coffee_cup chain seats
1615 Cedro Albero пиццерия Москва, 4-й Вятский переулок, 10 Северный административный округ ежедневно, 12:00–00:00 55.801487 37.576249 4.7 NaN NaN NaN NaN 0 60.0
6204 Эдельвейс кафе Москва, Ленинский проспект, 65, корп. 3 Юго-Западный административный округ NaN 55.692059 37.557188 2.9 NaN NaN NaN NaN 0 45.0
89 Сахарочек кофейня Москва, Дмитровское шоссе, 107А, корп. 2 Северный административный округ пн-пт 09:00–22:00; сб 10:00–22:00; вс 10:00–21:00 55.879256 37.538444 4.5 средние Цена чашки капучино:100–200 ₽ NaN 150.0 0 120.0
307 Грузинский Дом у Наны ресторан Москва, Фестивальная улица, 4А, стр. 1 Северный административный округ пн-чт 11:30–23:00; пт-вс 11:30–00:00 55.855276 37.484727 4.6 NaN NaN NaN NaN 0 100.0
1079 Le Chaton Gris кофейня Москва, Сельскохозяйственная улица, 38, корп. 2 Северо-Восточный административный округ пн-пт 08:00–21:00; сб,вс 09:00–21:00 55.847098 37.631961 4.2 средние Средний счёт:от 350 ₽ 350.0 NaN 0 40.0
In [4]:
df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 8406 entries, 0 to 8405
Data columns (total 14 columns):
 #   Column             Non-Null Count  Dtype  
---  ------             --------------  -----  
 0   name               8406 non-null   object 
 1   category           8406 non-null   object 
 2   address            8406 non-null   object 
 3   district           8406 non-null   object 
 4   hours              7870 non-null   object 
 5   lat                8406 non-null   float64
 6   lng                8406 non-null   float64
 7   rating             8406 non-null   float64
 8   price              3315 non-null   object 
 9   avg_bill           3816 non-null   object 
 10  middle_avg_bill    3149 non-null   float64
 11  middle_coffee_cup  535 non-null    float64
 12  chain              8406 non-null   int64  
 13  seats              4795 non-null   float64
dtypes: float64(6), int64(1), object(7)
memory usage: 919.5+ KB

Таблица содержит записи о 8406 заведениях. Каждое из заведений характеризуют до 13 полей:

  • name — название заведения, строкойвый тип данных;
  • address — адрес заведения, строкойвый тип данных;
  • category — категория заведения, например «кафе», «пиццерия» или «кофейня», строкойвый тип данных;
  • hours — информация о днях и часах работы, строкойвый тип данных;
  • lat — широта географической точки, в которой находится заведение, число с плавающей точкой;
  • lng — долгота географической точки, в которой находится заведение, число с плавающей точкой;
  • rating — рейтинг заведения по оценкам пользователей в Яндекс Картах (высшая оценка — 5.0), число с плавающей точкой;
  • price — категория цен в заведении, например «средние», «ниже среднего», «выше среднего» и так далее, строкойвый тип данных;
  • avg_bill — строка, которая хранит среднюю стоимость заказа в виде диапазона, строкойвый тип данных;
  • middle_avg_bill — число с оценкой среднего чека, которое указано только для значений из столбца avg_bill, начинающихся с подстроки «Средний счёт», число с плавающей точкой;
  • middle_coffee_cup — число с оценкой одной чашки капучино, которое указано только для значений из столбца avg_bill, начинающихся с подстроки «Цена одной чашки капучино», число с плавающей точкой;
  • chain — число, выраженное 0 или 1, которое показывает, является ли заведение сетевым (для маленьких сетей могут встречаться ошибки), целочисленный тип данных;
  • district — административный район, в котором находится заведение, например Центральный административный округ, строкойвый тип данных;
  • seats — количество посадочных мест, число с плавающей точкой.

Следующие поля имеют пропущенные значения:

hours, price, avg_bill, seats, middle_avg_bill, middle_coffee_cup.

В остальных полях данные полные.

Предобработка данных¶

Обработка дубликатов¶

Проверим данные на наличие дубликатов. Ориентироваться будем на пары "Название заведения" - "Адрес".

In [5]:
print('Количество явных дубликатов в данных:', df[df[['name','address']].duplicated()]['name'].count())

Количество явных дубликатов в данных: 0

Проверим также возможные дубликаты в названиямх несетевых заведений. Ведь одно заведение могли занести в базу два раза, ошибившись адресом.

In [6]:
df[(df['chain'] == 0) & (df[['name']].duplicated())]['name'].unique()
Out[6]:
array(['Кафе', 'Шаурма', 'Ресторан', 'Столовая', 'Кафе-столовая', 'Буфет',
       'Кофейня', 'Бистро', 'Шашлычная', 'Пиццерия', 'Блины', 'Трапезная',
       'Поминальные обеды', 'Кафе для поминок', 'Чебуречная',
       'Кафе-кулинария'], dtype=object)

Среди повторяющихся названий несетевых заведений отсутствуют уникализированные. Даже если в данных есть дубликты с ошибочно указанными адресами, мы не сможем их выявить.

Посмотрим на уникальные значения некоторых полей, чтобы убедиться в отсутствии неявных дубликатов и других ошибок.

In [7]:
df['chain'].unique()
Out[7]:
array([0, 1], dtype=int64)
In [8]:
df['price'].unique()
Out[8]:
array([nan, 'выше среднего', 'средние', 'высокие', 'низкие'], dtype=object)
In [9]:
df['category'].unique()
Out[9]:
array(['кафе', 'ресторан', 'кофейня', 'пиццерия', 'бар,паб',
       'быстрое питание', 'булочная', 'столовая'], dtype=object)
In [10]:
df['district'].unique()
Out[10]:
array(['Северный административный округ',
       'Северо-Восточный административный округ',
       'Северо-Западный административный округ',
       'Западный административный округ',
       'Центральный административный округ',
       'Восточный административный округ',
       'Юго-Восточный административный округ',
       'Южный административный округ',
       'Юго-Западный административный округ'], dtype=object)

Неявных дубликатов не выявлено.

Обработка пропусков¶

Проверим, какие поля имеют пропуски, посчитаем процент пропусков от общего числа записей для каждого поля.

In [11]:
null_data = pd.DataFrame(df.isna().sum()).reset_index()
null_data.columns = ['col_name','nulls']
null_data = null_data[null_data['nulls'] != 0].reset_index(drop=True)
null_data['nulls_percent'] = (null_data['nulls'] / df.shape[0] * 100).round(2)
null_data
Out[11]:
col_name nulls nulls_percent
0 hours 536 6.38
1 price 5091 60.56
2 avg_bill 4590 54.60
3 middle_avg_bill 5257 62.54
4 middle_coffee_cup 7871 93.64
5 seats 3611 42.96

Имеем пропуски в указанных выше полях. Заполним данные о часах работы значением-заглушкой.

In [12]:
df.loc[df['hours'].isna(), 'hours'] = 'неизвестно'
In [13]:
df[['avg_bill', 'middle_avg_bill', 'middle_coffee_cup']].notna().sum()
Out[13]:
avg_bill             3816
middle_avg_bill      3149
middle_coffee_cup     535
dtype: int64

Видим, что суммарно количество записей о среднем чеке и средней чашке кофе не соответ суммарному количеству данных о средней стоимости заказа. Изучим эти пропуски подробнее.

In [14]:
df[(df['middle_coffee_cup'].notna()) & (df['middle_avg_bill'].notna())]['name'].count()
Out[14]:
0
In [15]:
df[(df['avg_bill'].isna()) & (df['middle_coffee_cup'].notna()) & (df['middle_avg_bill'].notna())]['name'].count()
Out[15]:
0
In [16]:
df[
    (df['avg_bill'].notna()) 
    & (df['middle_coffee_cup'].isna()) 
    & (df['middle_avg_bill'].isna())
]['avg_bill'].apply(lambda x: x.split(':')[0]).unique()
Out[16]:
array(['Цена бокала пива'], dtype=object)

Видим, что данные в полях о средних чеках не пересекаются с данными о средней цене чашки кофе. Также видим, что данные о среднем чеке отсутствуют для рюмочных. Данный тип заведений нас не интересует, поэтому обрабатывать пропуски для него не будем.

Пропуски в других полях имеют слишком большую долю от числа записей в датасэте. Поэтому их заполнение на основе имеющихся данных затруднительно. Поблематично определить принцип обработки пропусков, который не повлиет на последующий анализ закономерностей. Оставим эти пропуски необработанными.

Обработка аномалий¶

Посмотрим на данные по числу мест.

In [17]:
df['seats'].describe()
Out[17]:
count    4795.000000
mean      108.421689
std       122.833396
min         0.000000
25%        40.000000
50%        75.000000
75%       140.000000
max      1288.000000
Name: seats, dtype: float64

Как видим, при медианном значении в 75, среди заведений есть такие, у которых число мест равно нулю или превышает 1000.

Построим график распределения.

In [18]:
plt.figure(figsize=(16, 4))
sns.boxplot(data=df, x='seats', palette='rainbow')
plt.title('Распределение заведений по числу мест')
plt.xlabel('Число мест')
plt.show()

В левой части графика мы не видим сильных выбросов. Некоторые заведения могут работать только на вынос и не иметь посадочных мест.

А вот число мест более тысячи вызывает подозрение в нереалистичности данных, что подтверждают и выбросы на графике.

Данные неправдоподобны. Посчитаем выборочные перцентили.

In [19]:
df['seats'].quantile([.95, .99])
Out[19]:
0.95    307.0
0.99    625.0
Name: seats, dtype: float64

Менее 1% заведений имеют более 625 мест. Эта цифра уже выглядит более правдоподобноей. Очистим данные от выбивающихся значений.

In [20]:
df = df[(df['seats'].isna()) | (df['seats'] <= 625)]

Столбец с меткой об отношении к сетям заменим на более читаемый

In [21]:
df['chain'] = df['chain'].apply(lambda x: 'сетевое' if x == 1 else 'несетевое')

Добавление столбцов с данными¶

Добавим столбец 'street' с названием улицы из столбца с адресом

In [22]:
df['street'] = df['address'].apply(lambda x: x.split(', ')[1])
df['street'] = df['street'].str.replace('улица ', '')
df['street'] = df['street'].str.replace(' улица', '')

Добавим столбец с обозначением, работает ли заведение круглосуточно.

In [23]:
df['is_24/7'] = False
df.loc[df['hours'] == 'ежедневно, круглосуточно', 'is_24/7'] = True
In [24]:
df.sample(5)
Out[24]:
name category address district hours lat lng rating price avg_bill middle_avg_bill middle_coffee_cup chain seats street is_24/7
3453 Чайхона Айва кафе Москва, Садовая-Кудринская улица, 24/27 Центральный административный округ ежедневно, круглосуточно 55.762943 37.587995 4.3 средние Средний счёт:от 250 ₽ 250.0 NaN сетевое NaN Садовая-Кудринская True
6464 Свежая выпечка быстрое питание Москва, Рязанский проспект, 30, корп. 2 Юго-Восточный административный округ ежедневно, 10:00–21:00 55.718115 37.784120 3.1 NaN NaN NaN NaN сетевое 116.0 Рязанский проспект False
4046 Ресторан АрАрАт ресторан Москва, улица Арбат, 32 Центральный административный округ ежедневно, 11:00–23:00 55.749057 37.589595 4.4 NaN Средний счёт:900–1500 ₽ 1200.0 NaN несетевое 40.0 Арбат False
6507 СушиСтор ресторан Москва, улица Генерала Кузнецова, 22 Юго-Восточный административный округ ежедневно, 10:00–22:00 55.685887 37.854593 3.7 NaN NaN NaN NaN сетевое NaN Генерала Кузнецова False
4994 Paul булочная Москва, Пятницкая улица, 20с1 Центральный административный округ пн-пт 07:30–22:00; сб,вс 09:00–22:00 55.741648 37.628334 4.7 NaN NaN NaN NaN сетевое NaN Пятницкая False

Выполнили предобработку данных:

  • убедились в отсутствии дубликатов,
  • заполнили пропуски там, где это уместно и возможно,
  • удалили объекты с аномально большими значениями часла посадочных мест,
  • преобразовали значения в поле отношения к сетям,
  • добавили столбцы с названием улицы и отметкой о круглосуточном графике работы.

Анализ данных¶

Распределение заведений по категориям¶

Изучим, какие категории заведений представлены в данных.

Исследуем количество объектов по категориям.

In [25]:
categories = pd.DataFrame(df['category'].value_counts()).reset_index()
categories.columns = ['category', 'quantity']
categories
Out[25]:
category quantity
0 кафе 2370
1 ресторан 2036
2 кофейня 1408
3 бар,паб 758
4 пиццерия 632
5 быстрое питание 602
6 столовая 314
7 булочная 256

Построим диаграмму распределения категорий по количеству заведений.

In [26]:
# строим столбчатую диаграмму 
fig = px.bar(categories.sort_values(by='quantity', ascending=True), # загружаем данные и заново их сортируем
             x='quantity', # указываем столбец с данными для оси X
             y='category', # указываем столбец с данными для оси Y
             text='quantity' # добавляем аргумент, который отобразит текст с информацией
                                # о количестве заведений внутри столбца графика
            )
# оформляем график
fig.update_layout(title='Количество заведений по категориям',
                   xaxis_title='Количество заведений',
                   yaxis_title='категория заведения')
fig.show() # выводим график

Для понимания соотношения между категориями построим круговую диаграмму.

In [27]:
# строим диаграмму с сегментами
fig = go.Figure(data=[go.Pie(labels=categories['category'], # указываем значения, которые появятся на метках сегментов
                             values=categories['quantity'])]) # указываем данные, которые отобразятся на графике
fig.update_layout(title='Доля заведений по категориям', # указываем заголовок графика
                  width=800, # указываем размеры графика
                  height=600,
                  annotations=[dict(x=1.12, # вручную настраиваем аннотацию легенды
                                    y=1.05,
                                    text='Количество заведений',
                                    showarrow=False)])
fig.update_traces(textposition='inside',textinfo='percent+value')
fig.show() # выводим график

Всего имеем данные о заведениях в восьми категориях. Наибольшее количество заведений - в категориях кафе и ресторан. Суммарно в этих категориях представленно более половины всех заведений. На третьем месте - кофейни, занимающие 16,8% рынка. Наименьшее количество заведений - в категориях булочная и столовая.

Распределение заведений по числу посадочных мест¶

Исследуем количество посадочных мест в заведениях по категориям.

Посчитаем медианные значения числа посадочных мест по категориям

In [28]:
# готовим данные, 
seats_median = df.groupby('category').agg({'seats': 'median'}).sort_values('seats', ascending=False).reset_index()
seats_median
Out[28]:
category seats
0 ресторан 86.0
1 бар,паб 80.0
2 кофейня 80.0
3 столовая 75.0
4 быстрое питание 65.0
5 кафе 60.0
6 пиццерия 53.5
7 булочная 50.0

Построим диаграммы распределений числа мест по категориям заведений.

In [29]:
plt.figure(figsize=(10, 6))
# применяем стиль darkgrid из библиотеки seaborn
sns.set_style('darkgrid')
# строим график boxenplot средствами seaborn
sns.boxenplot(x='category', y='seats', data=df, order=seats_median['category'])
# указываем заголовок графика и подписи осей средствами matplotlib
plt.title('Распределение числа мест в каждой из категорий', fontsize=(18))
plt.xlabel('Категория заведения', fontsize=(14))
plt.ylabel('Число мест', fontsize=(14))
# отображаем график на экране
plt.show()

Как видим из графиков, для всех категорий число посадочных мест распредлено в очень широком диапазоне. Основная масса заведений имеет число мест от 25 до 150. Средние значения, в зависимости от категории, колеблются между 50 и 86. Наибольшее срденее число мест имеют рестораны (86), на втором месте - бары и кофейни (по 80), наименьшее - булочные (50) и пиццерии (54). Наиболее крупные заведения чаще встречаются среди кафе и кофеен. За ними идут рестораны и бары.

Такая статистика может быть обусловлена тем, что в кофейнях и барах, как правило, на одно посадочное место отводится меньшая площадь помещения, что позволяет разместить больше посетителй. Булочные и пиццерии не предполагают, что посетители будут находиться в зале долго, поэтому имеют наименьшее количество посадочных мест, в отличии от ресторанов, для которых свойственно продолжительное нахождение клиентов за время одного визита. При этом категория кафе - наиболее распространенная. Поэтому представляется заведениями с количеством мест в наиболее широком диапазоне.

Сетевые заведения¶

Рассмотрите соотношение сетевых и несетевых заведений.

In [30]:
df_chain = df.groupby('chain', as_index=False).agg(places=('name', 'count'))
display(df_chain)

# строим круговую диаграмму
fig = go.Figure(data=[go.Pie(labels=df_chain['chain'], # значения для меток сегментов
                             values=df_chain['places'],  # данные для отображения на графике
                             pull = [0.03, 0.03])]) # выделяем сегмент-лидер на графике

fig.update_layout(title='Соотношение сетевых и несетевых заведений', # заголовок графика
                  width=600, # размеры графика
                  height=450,
                  annotations=[dict(x=1.32, # аннотация легенды
                                    y=1.06,
                                    text='Количество заведений',
                                    showarrow=False)])
fig.show() # выводим график
chain places
0 несетевое 5182
1 сетевое 3194

Несетевых заведений больше, чем сетевых.

Изучим соотношение сетевых и несетевых заведений по категориям.

In [31]:
# группируем данные по категориям и отношению к сетям и считаем количество заведений
df_chain = df.groupby(['category', 'chain'], as_index = False)[['name']].count().sort_values('name')
# используем стиль dark из библиотеки seaborn
sns.set_style('dark')
# назначаем размер графика
plt.figure(figsize=(12, 6))
# строим столбчатый график средствами seaborn
sns.barplot(x='name', y='category', data=df_chain, hue='chain', order=categories['category'])
# формируем заголовок графика и подписи осей средствами matplotlib
plt.title('Соотношение сетевых и несетевых заведений')
plt.xlabel('Количество заведений')
plt.ylabel('Категория заведения')
# выбираем положение легенды и указываем размер шрифта
plt.legend(loc='lower right', fontsize=10)
# добавляем сетку
plt.grid()
# отображаем график на экране
plt.show()

Не смотря на то, что несетевых заведений в целом оказалось в полтора раза больше, чем сетевых, в некотрых категориях сети преобладают. Это касается категорий "кофейня", "пиццерия", и "булочная". Открытие сети в этих категориях позволяет повысить узнаваемость бренда и выдержать конкуренцию. К тому же в этих категориях заведения часто открываются по франшизе.

Наибольший разрыв между числом несетевых заведений по отношению к сетевым показывают категории баров и столовых. В этих категориях конкуренция ниже за счет отсутствия большого числа известных сетей.

Самые распространенные заведения¶

Найдем ТОП-15 популярных сетей в Москве.

In [32]:
top_chains = (
    df[df['chain'] == 'сетевое']
    .groupby('name', as_index=False)
    .agg(quantity=('name', 'count'))
    .sort_values('quantity', ascending=False)
    .head(15)
             )

# строим столбчатую диаграмму 
fig = px.bar(top_chains.sort_values('quantity'), x='quantity', y='name', text='quantity')
# оформляем график
fig.update_layout(title='Самые распространенные заведения',
                   xaxis_title='Количество заведений',
                   yaxis_title='Название сети')
fig.show() # выводим график

Наибольшим числом заведений представлена сеть "Шоколадница". На втором и третьем местах - "Домино'с Пицца" и "Додо Пицца".

Также в рейтинг попали организации с неуникальными названиями, такими как "Хинкальная" и "Чайхана", что говорит об отсутствии креативности у их владельцев.

Определим категории самых популярных заведений.

In [33]:
cat_top = (
    df[df['name'].isin(top_chains['name'])]
    .groupby('category', as_index=False)
    .agg(cat_count=('category', 'count'))
    .sort_values('cat_count', ascending=False)
)
cat_top

# строим столбчатую диаграмму 
fig = px.bar(cat_top.sort_values('cat_count'), x='cat_count', y='category', text='cat_count')
# оформляем график
fig.update_layout(title='Распределение заведений крупнейших сетей по категориям',
                   xaxis_title='Количество заведений',
                   yaxis_title='Категория заведения')
fig.show() # выводим график

Популярные заведения представлены во всех категориях. Наиболее распространенные из них - кофейни. Наименее - столовые и бары.

Рейтинги заведений¶

Изучим распределение средних рейтингов по категориям заведений.

In [34]:
median_rates = (
    df.groupby('category', as_index=False)
    .agg(rate=('rating', 'median'))
    .sort_values('rate')
    .reset_index(drop=True)
               )
In [35]:
# строим столбчатую диаграмму 
fig = px.bar(median_rates.sort_values('rate'), x='rate', y='category', text='rate')
# оформляем график
fig.update_layout(title='Средние рейтинги заведений по категориям',
                  xaxis_title='Средний рейтинг',
                  yaxis_title='Категория заведения',
                  xaxis_range=[4, 4.5])
fig.show() # выводим график
In [36]:
plt.figure(figsize=(12, 4))
# применяем стиль darkgrid из библиотеки seaborn
sns.set_style('darkgrid')
# строим график boxenplot средствами seaborn
sns.boxenplot(x='category', y='rating', data=df, order=median_rates['category'])
# указываем заголовок графика и подписи осей средствами matplotlib
plt.title('Распределение оценок в каждой категории', fontsize=(18))
plt.xlabel('Категория заведения', fontsize=(14))
plt.ylabel('Пользовательский рейтинг', fontsize=(14))
# отображаем график на экране
plt.show()

Оценим средние рейтинги крупных сетевых заведений.

In [37]:
(
    df[df['name'].isin(top_chains['name'])]
    .groupby('name', as_index=False)
    .agg(rate=('rating', 'median'))
    .sort_values('rate', ascending=False)
    .reset_index(drop=True)
)
Out[37]:
name rate
0 Буханка 4.40
1 Кулинарная лавка братьев Караваевых 4.40
2 Хинкальная 4.40
3 Додо Пицца 4.30
4 Му-Му 4.30
5 One Price Coffee 4.20
6 Prime 4.20
7 Домино'с Пицца 4.20
8 КОФЕПОРТ 4.20
9 Шоколадница 4.20
10 Cofix 4.10
11 Теремок 4.10
12 Чайхана 4.10
13 CofeFest 4.05
14 Яндекс Лавка 4.00

Усредненные рейтинги отличаются не сильно между категориями заведений и располагаются в диапазоне 4.2...4.4. Однако, заведения быстрого питания, кафе и рестораны чаще получают низкие оценки, чем заведения других категория. Реже всех получают низкие оценки булочные.

Наивысшие средние рейтинги среди крупных сетей, равные 4.4, имеют точки "Буханки", "Кулинарной лавки Караваевых" и "Хинкальной". Худший средний рейтинг среди крупных сетевых заведений, равный 4.0, имеют точки "Яндекс Лавуи".

География заведений¶

Изучим географию рпспределения заведений.

Распределение заведений по районам¶

Изучим распределение объектов по районам и категориям.

In [38]:
df_districts = (
    df.groupby(['district', 'category'], as_index=False)
    .agg(cnt=('name', 'count'))
    .sort_values('cnt', ascending=False)
    .reset_index(drop=True)
               )
In [39]:
fig = px.bar(df_districts, x='cnt', y='district', color='category')
fig.update_layout(title='Распределение заведений по районам и категориям',
                   xaxis_title='Количество заведений',
                   yaxis_title='Районы города')
fig.show()

Наибольшее количество заведений располагается в ЦАО, наименьшее - в СЗАО. В ЦАО наиболее распространенная категория заведений - рестораны. В остальных районах преобладают кафе. Количество заведений в ЦАО превышает количество заведений в каждом другом районе минимум в два раза.

Отобразим все заведения на карте.

In [40]:
# создаём карту Москвы
moscow_lat, moscow_lng = 55.751244, 37.618423
m = Map(location=[moscow_lat, moscow_lng], zoom_start=10)
# создаём пустой кластер, добавляем его на карту
marker_cluster = MarkerCluster().add_to(m)

# пишем функцию, которая принимает строку датафрейма,
# создаёт маркер в текущей точке и добавляет его в кластер marker_cluster
def create_clusters(row):
    Marker(
        [row['lat'], row['lng']],
        popup=f"{row['name']} {row['rating']}",
    ).add_to(marker_cluster)

# применяем функцию create_clusters() к каждой строке датафрейма
df.apply(create_clusters, axis=1)

# выводим карту
m
Out[40]:
Make this Notebook Trusted to load map: File -> Trust Notebook

Рейтинги заведений по районам¶

Построим фоновую картограмму и оценим средние рейтинги заведений по районам.

In [41]:
rating_df = df.groupby('district', as_index=False)['rating'].agg('median')
In [42]:
# загружаем JSON-файл с границами округов Москвы
try:
    with open('datasets/admin_level_geomap.geojson', 'r') as f:
        state_geo = json.load(f)
except:
    with open('/datasets/admin_level_geomap.geojson', 'r') as f:
        state_geo = json.load(f)

# moscow_lat - широта центра Москвы, moscow_lng - долгота центра Москвы
moscow_lat, moscow_lng = 55.751244, 37.618423

# создаём карту Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=10)

# создаём хороплет с помощью конструктора Choropleth и добавляем его на карту
Choropleth(
    geo_data=state_geo,
    data=rating_df,
    columns=['district', 'rating'],
    key_on='feature.name',
    fill_color='YlGn',
    fill_opacity=0.6,
    legend_name='Медианный рейтинг заведений по районам',
).add_to(m)

# выводим карту
m
Out[42]:
Make this Notebook Trusted to load map: File -> Trust Notebook

Сильного отиличия в усредненном рейтинге между районами не наблюдаются. Усредненные рейтинги находятся в диапазоне от 4.2 до 4.4. Наивысший усредненный рейтинг имеют заведения ЦАО, наименьший - СВАО и ЮВАО.

Улицы с наибольшим и наименьшим количеством объектов¶

Найдем ТОП-15 улиц по количеству заведений. Построим график распредления количества заведений и их категорий по этим улицам.

In [43]:
top_streets = (
    df.groupby('street', as_index=False)
    .agg(places_cnt=('name', 'count'))
    .sort_values('places_cnt', ascending=False)
    .head(15)
    .reset_index(drop=True)
)
In [44]:
top_streets
Out[44]:
street places_cnt
0 проспект Мира 184
1 Профсоюзная 122
2 Ленинский проспект 107
3 проспект Вернадского 97
4 Ленинградский проспект 95
5 Дмитровское шоссе 88
6 Каширское шоссе 77
7 Варшавское шоссе 76
8 Ленинградское шоссе 70
9 МКАД 65
10 Люблинская 60
11 Вавилова 55
12 Кутузовский проспект 53
13 Пятницкая 48
14 Миклухо-Маклая 47
In [45]:
df_streets_cat = (
    df[df['street'].isin(top_streets['street'])]
    .groupby(['street', 'category'], as_index=False)
    .agg(cnt=('name', 'count'))
    .sort_values('cnt', ascending=False)
    .reset_index(drop=True)
               )
In [46]:
fig = px.bar(df_streets_cat, x='cnt', y='street', color='category')
fig.update_layout(title='Распределение заведений по улицам и категориям',
                   xaxis_title='Количество заведений',
                   yaxis_title='Улица')
fig.show()

Наибольшее количество заведений располагается на проспекте Мира. С большим отставанием идут Профсоюзная улица и Ленинградский проспект. Кафе и рестораны преобладают над другими категориями заведений на улицах с наибольшим количеством предприятий общественного питания.

Найдем улицы с нименьшим количеством объектов общепита.

In [47]:
places_by_streets = (
    df.groupby('street', as_index=False)
    .agg(places_cnt=('name', 'count'))
    .sort_values('places_cnt')
    .reset_index(drop=True)
)

antytop_streets = places_by_streets[places_by_streets['places_cnt'] == 1]
In [48]:
places_antytop = df[df['street'].isin(antytop_streets['street'])]
In [49]:
# создаём карту Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=10)
# создаём пустой кластер, добавляем его на карту
marker_cluster = MarkerCluster().add_to(m)

# применяем функцию create_clusters() к каждой строке датафрейма
places_antytop.apply(create_clusters, axis=1)

# выводим карту
m
Out[49]:
Make this Notebook Trusted to load map: File -> Trust Notebook

Улицы, на которых располагается только один объект общепита либо очень короткие, либо значительно удалены от центра, либо находятся в промзонах.

Ценовой индикатор районов¶

Посчитаем ценовой индикатор районов на основе усредненных значений средних чеков заведений.

In [50]:
avg_bill_by_district = df.groupby('district', as_index=False).agg(price_indicator=('middle_avg_bill', 'median'))
In [51]:
# создаём карту Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=10)

# создаём хороплет с помощью конструктора Choropleth и добавляем его на карту
Choropleth(
    geo_data=state_geo,
    data=avg_bill_by_district,
    columns=['district', 'price_indicator'],
    key_on='feature.name',
    fill_color='YlGn',
    fill_opacity=0.6,
    legend_name='Медианный рейтинг заведений по районам',
).add_to(m)

# выводим карту
m
Out[51]:
Make this Notebook Trusted to load map: File -> Trust Notebook
In [52]:
avg_bill_by_district.sort_values('price_indicator', ascending=False)
Out[52]:
district price_indicator
1 Западный административный округ 1000.0
5 Центральный административный округ 1000.0
4 Северо-Западный административный округ 700.0
2 Северный административный округ 650.0
7 Юго-Западный административный округ 600.0
0 Восточный административный округ 550.0
3 Северо-Восточный административный округ 500.0
8 Южный административный округ 500.0
6 Юго-Восточный административный округ 450.0
In [53]:
plt.figure(figsize=(16, 2))
sns.boxenplot(data=df[df['district'] == 'Центральный административный округ'], 
              x='middle_avg_bill', palette='rainbow')
plt.title('Распределение средних чеков в заведениях ЦАО')
plt.xlabel('Средний чек')
plt.xlim(0, 6000)
plt.show()

plt.figure(figsize=(16, 2))
sns.boxenplot(data=df[df['district'] == 'Западный административный округ'], 
              x='middle_avg_bill', palette='rainbow')
plt.title('Распределение средних чеков в заведениях ЗАО')
plt.xlabel('Средний чек')
plt.xlim(0, 6000)
plt.show()

plt.figure(figsize=(16, 2))
sns.boxenplot(data=df[~df['district'].isin(['Центральный административный округ', 
                                            'Западный административный округ'])], 
              x='middle_avg_bill', palette='rainbow')
plt.title('Распределение средних чеков в заведениях за пределами ЦАО и ЗАО')
plt.xlabel('Средний чек')
plt.xlim(0, 6000)
plt.show()

Самые дорогие округа по среднему чеку заведений - ЦАО и ЗАО. Удаленность от центра влияет на цены в заведениях. Чем ближе к центру, тем больше объектов с более высокой ценой.

Выводы по анализу объектов¶

  • Заведения в таблице поделены на восемь категорий. Наибольшее количество заведений - в категориях кафе и ресторанов. Суммарно в этих категориях представлено более половины всех предприятий общественного питания. На третьем месте - кофейни, занимающие 16,8% рынка. Наименьшее количество заведений - в категориях булочная и столовая.

  • Число посадочных мест для предприятий всех категорий распределено в очень широком диапазоне. Основная масса заведений имеет от 25 до 150 посадочных мест. Средние значения, в зависимости от категории, колеблются между 50 и 86. Наибольшее среднее число мест имеют рестораны (86), на втором месте - бары и кофейни (по 80), наименьшее - булочные (50) и пиццерии (54). Наиболее крупные заведения по числу мест чаще встречаются среди кафе и кофеен. За ними идут рестораны и бары. Такая статистика может быть обусловлена тем, что в кофейнях и барах, как правило, на одно посадочное место отводится меньшая площадь помещения, что позволяет разместить больше посетителей. Булочные и пиццерии не предполагают, что посетители будут находиться в зале долго, поэтому имеют наименьшее количество посадочных мест, в отличии от ресторанов, для которых свойственно продолжительное нахождение клиентов за время одного визита. При этом категория кафе - наиболее многочисленная, поэтому количество мест в них представлено наиболее широким диапазоном.

  • Несмотря на то, что несетевых заведений в целом оказалось в полтора раза больше, чем сетевых, в некоторых категориях сети преобладают. Это касается категорий "кофейня", "пиццерия", и "булочная". Открытие сети в этих категориях позволяет повысить узнаваемость бренда и выдержать конкуренцию. К тому же в этих категориях заведения часто открываются по франшизе. Наибольший разрыв между числом несетевых заведений по отношению к сетевым показывают категории баров и столовых. В этих категориях конкуренция ниже за счет отсутствия большого числа крупных и известных сетей.

  • Наибольшим числом заведений представлена сеть "Шоколадница" со 118 точками. На втором и третьем местах - "Домино'с Пицца" (76 объектов) и "Додо Пицца" (74 объекта). Популярные сетевые заведения представлены во всех категориях. Наиболее распространенные из них – кофейни (333 точки).

  • Усредненные по районам и по категориям заведений пользовательские рейтинги различаются не сильно, располагаясь в диапазоне 4.2...4.4. Однако, заведения быстрого питания, кафе и рестораны чаще получают низкие оценки, чем предприятия других категорий. Реже всех получают низкие оценки булочные. Наивысший усредненный рейтинг имеют заведения ЦАО, наименьший - СВАО и ЮВАО.

  • Наибольшее количество заведений располагается в ЦАО, наименьшее - в СЗАО. Количество заведений в ЦАО превышает количество заведений в каждом другом районе минимум в два раза. наиболее распространенная категория заведений в ЦАО - рестораны. В остальных районах преобладают кафе.

  • Наибольшее количество заведений располагается на проспекте Мира. С большим отставанием идут Профсоюзная улица и Ленинградский проспект. Кафе и рестораны преобладают над другими категориями заведений на улицах с наибольшим количеством предприятий общественного питания.

  • Самые дорогие округа по среднему чеку заведений - ЦАО и ЗАО. Удаленность от центра влияет на цены в заведениях. Чем ближе к центру, тем больше объектов с более высокой ценой.

Детализация анализа кофеен¶

In [54]:
coffee_houses = df[df['category'] == 'кофейня']
In [55]:
print('Всего кофеен в датасете:', coffee_houses.shape[0])

Всего кофеен в датасете: 1408
In [56]:
coffee_houses_by_districts = (
    coffee_houses
    .groupby('district', as_index=False)
    .agg({'name': 'count', 'rating': 'median', 'middle_coffee_cup': 'median', 'is_24/7': 'sum'})
    .sort_values('name', ascending=False)
)
coffee_houses_by_districts.rename(columns={'name': 'quantity'}, inplace=True)
coffee_houses_by_districts['%%24/7'] = (
    (coffee_houses_by_districts['is_24/7'] / coffee_houses_by_districts['quantity'] * 100).round(2)
)
coffee_houses_by_districts
Out[56]:
district quantity rating middle_coffee_cup is_24/7 %%24/7
5 Центральный административный округ 428 4.3 190.0 26 6.07
2 Северный административный округ 193 4.3 159.0 5 2.59
3 Северо-Восточный административный округ 159 4.3 162.5 3 1.89
1 Западный административный округ 146 4.2 187.0 9 6.16
8 Южный административный округ 131 4.3 150.0 1 0.76
0 Восточный административный округ 104 4.3 135.0 5 4.81
7 Юго-Западный административный округ 96 4.3 198.0 7 7.29
6 Юго-Восточный административный округ 89 4.3 147.5 1 1.12
4 Северо-Западный административный округ 62 4.3 165.0 2 3.23
In [57]:
# строим столбчатую диаграмму 
fig = px.bar(coffee_houses_by_districts.sort_values('quantity'), 
             x='quantity', y='district', text='quantity')
# оформляем график
fig.update_layout(title='Количество кофеен по районам',
                   xaxis_title='Количество кофеен',
                   yaxis_title='Округ')
fig.show() # выводим график
In [58]:
# создаём карту Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=10)
# создаём пустой кластер, добавляем его на карту
marker_cluster = MarkerCluster().add_to(m)

# применяем функцию create_clusters() к каждой строке датафрейма
coffee_houses.apply(create_clusters, axis=1)

Choropleth(
    geo_data=state_geo,
    fill_color='YlGn',
    fill_opacity=0.3,
).add_to(m)

# выводим карту
m
Out[58]:
Make this Notebook Trusted to load map: File -> Trust Notebook
In [59]:
plt.figure(figsize=(14, 10))
# применяем стиль darkgrid из библиотеки seaborn
sns.set_style('darkgrid')
# строим график boxenplot средствами seaborn
sns.boxenplot(y='district', x='rating', data=coffee_houses, order=coffee_houses_by_districts['district'])
# указываем заголовок графика и подписи осей средствами matplotlib
plt.title('Распределение оценок кофеен в каждом районе', fontsize=(18))
plt.xlabel('Пользовательский рейтинг', fontsize=(14))
plt.ylabel('Округ', fontsize=(14))
plt.xlim(2, 5)
# отображаем график на экране
plt.show()
In [60]:
# строим столбчатую диаграмму 
fig = px.bar(coffee_houses_by_districts.sort_values('middle_coffee_cup'), 
             x='middle_coffee_cup', y='district', text='middle_coffee_cup')
# оформляем график
fig.update_layout(title='Усредненная цена чашки кофе по районам',
                   xaxis_title='Усредненная цена чашки кофе',
                   yaxis_title='Округ',
                   xaxis_range=[100, 200])
fig.show() # выводим график
In [61]:
plt.figure(figsize=(14, 10))
# применяем стиль darkgrid из библиотеки seaborn
sns.set_style('darkgrid')
# строим график boxenplot средствами seaborn
sns.boxenplot(
    y='district', 
    x='middle_coffee_cup', 
    data=coffee_houses, 
    order=coffee_houses_by_districts.sort_values('middle_coffee_cup')['district']
)
# указываем заголовок графика и подписи осей средствами matplotlib
plt.title('Распределение средних цен за чашку кофе в каждом районе', fontsize=(18))
plt.xlabel('Средняя цена чашки кофе', fontsize=(14))
plt.ylabel('Округ', fontsize=(14))
plt.xlim(50, 350)
# отображаем график на экране
plt.show()
In [62]:
# группируем данные по категориям и отношению к сетям и считаем количество заведений
coffee_houses_chain = df.groupby(['district', 'chain'], as_index = False)[['name']].count().sort_values('name')
# используем стиль dark из библиотеки seaborn
sns.set_style('dark')
# назначаем размер графика
plt.figure(figsize=(12, 6))
# строим столбчатый график средствами seaborn
sns.barplot(
    x='name',
    y='district', 
    data=coffee_houses_chain, 
    hue='chain', 
    order=coffee_houses_by_districts['district']
)
# формируем заголовок графика и подписи осей средствами matplotlib
plt.title('Соотношение сетевых и несетевых кофеен')
plt.xlabel('Количество кофеен')
plt.ylabel('Округ')
# выбираем положение легенды и указываем размер шрифта
plt.legend(loc='lower right', fontsize=10)
# добавляем сетку
plt.grid()
# отображаем график на экране
plt.show()

Больше всего кофеен - в ЦАО. Здесь они часто располагаются в достаточном удалении друг от друга в жилых домах и административных зданиях. За пределами ЦАО многие кофейни размещаются в зданиях торгово-развлекательных центров.

В каждом из районов лишь небольшая доля кофеен работают круглосуточно (от 0,7% до 7,3%).

Средний рейтинг кофеен по всем районам составляет 4.3. Исключений - ЗАО с рейтингом 4.2. Чаще остальных плохие оценки получают заведения ЮВАО и СВАО.

Средняя стоимость чашки кофе значительно различатеся между районами. Наиболее высокие средние цены - в ЮЗАО (198 рублей за чашку). Наиболее низкие цены - в ВАО (135 рублей). Определять стоимость чашки капучино следует после выбора места открытия заведения и анализа цен в ближайших точках, так как средние цены на чашку кофе во всех районах варьируются в очень широких диапазонах: от 60 до 200 рублей за чашку.

Выводы и рекомендации¶

Лучший район для открытия кофейни - СЗАО.

В этом округе располагается наименьшее количество предприятий общественного питания в целом, и кофеен в частности. Здесь же - наименьшее количество сетевых заведений. Благодяря этому удастся избежать высокой конкуренции с другими предприятими общепита, в том числе с известными сетями.

Также в этом округе самая благосклонная аудитория (мозможно, именно из-за нехватки мест) - подавляющее большинство кофеен имеют пользовательские рейтинги от 4.0 и выше, что значительно лучше показателя других окургов, где гораздо чаще ставят оценку ниже 4.0.

Кроме того здесь довольно высокая средняя цена чашки кофе в сравнении с другими районами (165 рублей). Выше этот показатель только в ЦАО, ЗАО и ЮЗАО. Это говороит о высокой платежеспособности жителей округа.

Также хорошим решением будет открытие не одной точки, а сети кофеен. Это позволит конкурировать с известными сетевыми заведениями, так как, несмотря на малое количество сетевых объктов, их доля довольно высока.

In [ ]: